[发明专利]基于三维卷积神经网络的跌倒行为识别方法

说明书

本发明公开了一种基于三维卷积神经网络的跌倒行为识别方法，首先获得并预处理跌倒数据集视频，得到跌倒行为视频样本；将视频采用基于混合高斯与自适应阈值的三帧差法结合的目标检测方法去除背景，再用小面积去除及形态学方法得到完整人体目标区域；提取人体目标区域的光流运动历史图像特征，然后对特征图像用数据重叠扩增的方式增加样本集；将重叠扩增后的跌倒行为样本集按照7:3的比例随机分成训练样本集和验证样本集输入3D卷积神经网络模型分类器并不断迭代训练，同时使用验证样本集不断验证模型分类器；将测试样本集输入训练后的模型分类器中，完成跌倒行为识别。本发明解决了现有跌倒检测方法受背景干扰导致分类识别率及精度低的问题。

技术领域

本发明属于图像分类识别方法技术领域，具体涉及一种基于三维卷积神 经网络的跌倒行为识别方法。

背景技术

在全球老龄化现象加剧的情况下，跌倒成为老年人首要的健康威胁之一。 越来越多的老人独居生活，无人照看，发生意外时不能及时被发现，导致老 年人的生活存在很大安全隐患。

随着我国平安城市、智能交通等各项建设的持续开展，将机器视觉技术 融入视频监控系统的方法，已成为现在的热门研究问题。目前，现有的方法 大多是应用传统的机器学习方法进行跌倒行为识别，识别率不高，导致不能 及时对老人进行救治。因此，如何高效、准确、实时的检测老人跌倒是现在 迫切需要解决的问题。

发明内容

本发明的目的是提供一种基于三维卷积神经网络的跌倒行为识别方法， 解决了现有跌倒检测方法受背景干扰导致分类识别率及精度低的问题。

本发明所采用的技术方案是，基于三维卷积神经网络的跌倒行为识别方 法，具体按照以下步骤实施：

步骤1、获得并预处理跌倒数据集视频，得到跌倒行为视频样本；

步骤2、将步骤1得到的视频采用基于混合高斯与自适应阈值的三帧差 法结合的目标检测方法进行背景去除，再用小面积去除及形态学方法得到完 整人体目标区域；提取人体目标区域的光流运动历史图像特征，然后对特征 图像用数据重叠扩增的方式增加样本集；

步骤3、将步骤2获得的重叠扩增后的跌倒行为样本集按照7:3的比例 随机分成训练样本集和验证样本集；

步骤4、将步骤3中的训练样本集输入3D卷积神经网络模型分类器并 不断迭代训练，同时使用验证样本集不断验证模型分类器；

步骤5、将步骤2的测试样本集输入步骤4训练后的模型分类器中，完 成跌倒行为识别。

本发明的特点还在于，

步骤1具体按照以下步骤实施：

步骤1.1、将每个行为视频统一压缩至分辨率为240×320，得到视频帧 大小统一的跌倒行为视频；

步骤1.2，通过图像增强的方法处理步骤1.1的跌倒行为视频，得到增强 后的视频。

步骤2中采用基于混合高斯与自适应阈值的三帧差法结合的目标检测方 法进行背景去除具体如下：

使用自适应阈值的三帧差法，将三帧连续图像相邻两帧差分得到两个差 分图像，自适应阈值处理过后将两个图像进行“与”运算，得到相邻三帧间有 相对运动发生的区域ψ_c，将区域ψ_c分为ψ_ub和ψ_m，若是无运动区域，则建立混 合高斯模型实时更新，若有运动区域，将已被确定为运动目标区域的像素点 与该像素点的前B个高斯分布互相匹配，高斯分布按ω_i，t，k/σ_i，t，k的值递减排列， 其中ω_i，t，k、σ_i，t，k分别表示第i个高斯分布的权重和方差，匹配原则如公式(1) 所示：